JP7326574B1 - 美容レベル推定システム、美容レベル推定方法、及び総合健康度推定システム及び総合健康度推定方法 - Google Patents
美容レベル推定システム、美容レベル推定方法、及び総合健康度推定システム及び総合健康度推定方法 Download PDFInfo
- Publication number
- JP7326574B1 JP7326574B1 JP2022190464A JP2022190464A JP7326574B1 JP 7326574 B1 JP7326574 B1 JP 7326574B1 JP 2022190464 A JP2022190464 A JP 2022190464A JP 2022190464 A JP2022190464 A JP 2022190464A JP 7326574 B1 JP7326574 B1 JP 7326574B1
- Authority
- JP
- Japan
- Prior art keywords
- pet
- beauty
- beauty level
- diversity data
- correlation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003796 beauty Effects 0.000 title claims abstract description 172
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000036541 health Effects 0.000 title claims description 26
- 241001465754 Metazoa Species 0.000 claims abstract description 87
- 238000004364 calculation method Methods 0.000 claims abstract description 67
- 244000005709 gut microbiome Species 0.000 claims abstract description 50
- 235000013305 food Nutrition 0.000 claims description 39
- 230000000968 intestinal effect Effects 0.000 claims description 32
- 241000894006 Bacteria Species 0.000 claims description 12
- 230000003814 hair luster Effects 0.000 claims description 5
- 230000037237 body shape Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 36
- 241000282472 Canis lupus familiaris Species 0.000 description 29
- 241000282326 Felis catus Species 0.000 description 19
- 208000027418 Wounds and injury Diseases 0.000 description 15
- 230000006378 damage Effects 0.000 description 15
- 201000010099 disease Diseases 0.000 description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 15
- 208000014674 injury Diseases 0.000 description 15
- 230000002550 fecal effect Effects 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 11
- 108020004414 DNA Proteins 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 239000002932 luster Substances 0.000 description 9
- 238000012163 sequencing technique Methods 0.000 description 8
- 241000981595 Zoysia japonica Species 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 108020004465 16S ribosomal RNA Proteins 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 5
- 239000011324 bead Substances 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 108090000623 proteins and genes Proteins 0.000 description 5
- 238000011282 treatment Methods 0.000 description 5
- 108091093088 Amplicon Proteins 0.000 description 4
- 241000283973 Oryctolagus cuniculus Species 0.000 description 4
- 230000001580 bacterial effect Effects 0.000 description 4
- 230000037396 body weight Effects 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 239000002537 cosmetic Substances 0.000 description 4
- 235000005686 eating Nutrition 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 238000007400 DNA extraction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- GUAHPAJOXVYFON-ZETCQYMHSA-N (8S)-8-amino-7-oxononanoic acid zwitterion Chemical compound C[C@H](N)C(=O)CCCCCC(O)=O GUAHPAJOXVYFON-ZETCQYMHSA-N 0.000 description 2
- 241000271566 Aves Species 0.000 description 2
- 108010067770 Endopeptidase K Proteins 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 2
- PXIPVTKHYLBLMZ-UHFFFAOYSA-N Sodium azide Chemical compound [Na+].[N-]=[N+]=[N-] PXIPVTKHYLBLMZ-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003505 heat denaturation Methods 0.000 description 2
- 206010025482 malaise Diseases 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013526 transfer learning Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 1
- OHVLMTFVQDZYHP-UHFFFAOYSA-N 1-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)-2-[4-[2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidin-5-yl]piperazin-1-yl]ethanone Chemical compound N1N=NC=2CN(CCC=21)C(CN1CCN(CC1)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F)=O OHVLMTFVQDZYHP-UHFFFAOYSA-N 0.000 description 1
- WZFUQSJFWNHZHM-UHFFFAOYSA-N 2-[4-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]piperazin-1-yl]-1-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)ethanone Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)N1CCN(CC1)CC(=O)N1CC2=C(CC1)NN=N2 WZFUQSJFWNHZHM-UHFFFAOYSA-N 0.000 description 1
- NLXLAEXVIDQMFP-UHFFFAOYSA-N Ammonia chloride Chemical compound [NH4+].[Cl-] NLXLAEXVIDQMFP-UHFFFAOYSA-N 0.000 description 1
- 208000031295 Animal disease Diseases 0.000 description 1
- 208000000412 Avitaminosis Diseases 0.000 description 1
- 241000605059 Bacteroidetes Species 0.000 description 1
- 208000010392 Bone Fractures Diseases 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 206010006956 Calcium deficiency Diseases 0.000 description 1
- 241000938605 Crocodylia Species 0.000 description 1
- KCXVZYZYPLLWCC-UHFFFAOYSA-N EDTA Chemical compound OC(=O)CN(CC(O)=O)CCN(CC(O)=O)CC(O)=O KCXVZYZYPLLWCC-UHFFFAOYSA-N 0.000 description 1
- 241000192125 Firmicutes Species 0.000 description 1
- 206010021135 Hypovitaminosis Diseases 0.000 description 1
- 241000736262 Microbiota Species 0.000 description 1
- 241000566145 Otus Species 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 235000019270 ammonium chloride Nutrition 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003968 anodic stripping voltammetry Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001962 electrophoresis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 239000000834 fixative Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000002538 fungal effect Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000012139 lysis buffer Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003097 mucus Anatomy 0.000 description 1
- 210000002346 musculoskeletal system Anatomy 0.000 description 1
- 102000042567 non-coding RNA Human genes 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 208000030401 vitamin deficiency disease Diseases 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
Description
[1]ユーザが飼育する愛玩動物の腸内細菌叢の多様性データを取得する取得部と、前記腸内細菌叢の多様性データと、愛玩動物の腸内細菌叢の多様性データと美容レベルの相関関係とに基づいて、ユーザが飼育する愛玩動物の美容レベルを計算する計算部と、を備える美容レベル推定システム。
[2]前記取得部が、さらに、ユーザが飼育する愛玩動物の基礎情報を取得するものである[1]の美容レベル推定システム。
[3]前記美容レベルが、毛艶に関するレベル又は体形に関するレベルである[1]又は[2]の美容レベル推定システム。
[4]前記愛玩動物の腸内細菌叢の多様性データが、シャノン指数である[1]の美容レベル推定システム。
[5]前記計算部が、愛玩動物の基礎情報を元に算出された美容レベルを、前記愛玩動物の腸内細菌叢の多様性データを用いて導き出される美容変動因子に応じて修正することによって、美容レベルを算出するものである[2]の美容レベル推定システム。
[6]愛玩動物の基礎情報が、少なくとも品種及び年齢である[2]の美容レベル推定システム。
[7]ユーザが飼育する愛玩動物の腸内細菌叢の多様性データを取得する取得部と、学習済みモデルを用いて、前記取得部が取得した腸内細菌の多様性データからその愛玩動物の美容レベルを計算する計算部と、を備える美容レベル推定システムであって、前記学習済みモデルが、愛玩動物の腸内細菌叢の多様性データと、該愛玩動物の美容レベルとの関係を学習した学習済みモデルであることを特徴とする美容レベル推定システム。
[8]ユーザが飼育する愛玩動物の腸内細菌叢の多様性データを取得する取得部と、
前記腸内細菌叢の多様性データと、愛玩動物の腸内細菌叢の多様性データと美容レベルとの相関関係とに基づいて、ユーザが飼育する愛玩動物の美容レベルを計算する計算部と、前記腸内細菌叢の多様性データと、愛玩動物の腸内細菌叢の多様性データと保険リスクとの相関関係とに基づいて、ユーザが飼育する愛玩動物の保険リスクを計算するリスク計算部と、美容レベルと保険リスクに基づいて、健康度を計算する健康度計算部と、を備える総合健康度推定システム。
[9]愛玩動物の腸内細菌叢の多様性データを取得するステップと、コンピュータが、前記多様性データと、愛玩動物の腸内細菌叢の多様性データと美容レベルの相関関係とに基づいて、ユーザが飼育する愛玩動物の美容レベルを計算するステップと、を順に備える美容レベル推定方法。
[10]さらに、ユーザが飼育する愛玩動物の基礎情報を取得するステップを備える[9]の美容レベル推定方法。
[11]前記愛玩動物の基礎情報が、少なくとも品種及び年齢である[10]の美容レベル推定方法。
[12]前記ユーザが飼育する愛玩動物の多様性データと、愛玩動物の腸内細菌の多様性データと美容レベルの相関関係とに基づいて、ユーザが飼育する愛玩動物の美容レベルを計算するステップにおいて導き出された美容レベルを、ユーザが飼育する愛玩動物が食べるフードの情報に基づいて修正するステップを更に備える[10]又は[11]の美容レベル推定方法。
本発明の保険料算出システムは、腸内細菌叢の多様性データを取得する取得部と、前記ユーザが飼育する愛玩動物の多様性データ及び前記相関関係に基づいて、ユーザが飼育する愛玩動物の保険リスクを計算する計算部と、を備える。本発明の保険料算出システムは、取得部が、さらに、ユーザが飼育する愛玩動物の基礎情報を取得することが好ましい。また、本発明の保険料算出システムは、愛玩動物の腸内細菌叢の多様性データと保険リスクとの相関関係を設定する設定部をさらに備えることが好ましい。
図1は、本開示の一実施形態に係る保険料算出システムの概要を説明する図である。図1に示すように、本実施形態に係る保険料算出システムは、サーバ1とユーザ端末2とを含む。サーバ1及び端末2は、ネットワークを介して接続される。サーバ1は、処理演算部(CPU)10と、記憶部20と、インターフェイス部30とを含む。なお、本発明におけるユーザには、愛玩動物の飼い主の他、代理人、ブリーダー等を含む。愛玩動物としては、犬、猫、ウサギ、鳥、爬虫類、両生類が挙げられるが、犬、猫、ウサギが好ましい。
また、設定部21は、愛玩動物の腸内細菌叢の多様性データと保険リスクとの相関関係を設定する。
さらに、取得部31は、腸内細菌叢の多様性データ、好ましくは、さらにユーザが飼育する愛玩動物の基礎情報を取得し、出力部32は、計算部11が算出した保険リスク、保険料、負担額等をユーザに送付する。
多様性データとは、動物の腸内細菌叢の細菌の多様性に関連するデータである。腸内細菌叢の多様性が大きいということは、当該腸内細菌叢に様々な種類の菌が幅広く均等に含まれるということである。多様性データの指標、いわゆる多様性指数には幾つかの種類があるが、本発明では公知のいずれのものであってもよい。多様性指数としては、シャノン・ウィナーの多様性指数(以下「シャノン指数」と省略する場合がある)、シンプソン指数、シーケンサーにより検出されたユニーク配列の数(amplicon sequence variant:ASV)、OTU(operational taxonomic unit)数、Faith’s PD、Pielou’s eveness等が挙げられる。
腸内細菌叢の多様性データの測定は、NGSなどのシーケンサーを用いたアンプリコンシーケンス、ショットガンシーケンスなどの公知のメタゲノム解析法や細菌叢の解析方法を用いることができる。例えば、動物から糞便などの試料を採取し、試料中に含まれるあらゆる生物のDNAやRNAの塩基配列情報を次世代シーケンサーを用いて解析することによって、当該試料中に含まれる生物を同定する方法が挙げられる。好ましくは、試料中に含まれる16SrRNA遺伝子の全部又は一部を、必要に応じて増幅して、シーケンスを行い、得られた配列をソフトウェアを用いて解析し、試料中の細菌の組成データを得る方法が挙げられる。
[多様性データに基づく保険リスクの計算]
以下、図3(モデル図)を参照しながら、多様性データに基づく保険リスクの計算方法の例について説明する。図3は、本実施形態に係る多様性データに基づく保険リスクの計算方法の一例を説明するためのグラフである。本グラフの縦軸は、保険リスクであり、横軸は多様性データである。具体的には、多様性指数(シャノン指数)が3.5(D1)のときには、保険リスク(R1)は1である。これは、多様性指数3.5の愛玩動物が傷病を患う確率は、全ての愛玩動物の平均と同様ということを意味する。言い換えると、全ての愛玩動物の平均治療費が5,000円/月の場合は、多様性指数3.5の愛玩動物の治療費(飼主の負担額)も5,000円/月になることを意味する。一方、多様性指数が3(D2)のときには、保険リスク(R2)は1.2である。これは、多様性指数3.5の愛玩動物の治療費は6,000円になることを意味する。
サーバ又は記憶部は、愛玩動物の腸内細菌叢の多様性データと保険リスクとの相関関係を設定する設定部を備えていてもよい。ここでの相関関係とは、多様性データがどの程度であれば、保険リスクがどの程度であるか、という対応関係を示す情報である。相関関係は、多様性データを入力として保険リスクを出力とするモデル(関数)として捉えられてもよい。例えば、複数の愛玩動物の多様性データと、当該愛玩動物の傷病及び治療に掛かった費用とを統計的に処理することで、相関関係を設定する。なお、相関関係の設定に用いられた愛玩動物と、保険リスクの計算対象となるユーザが飼育する愛玩動物とは、原則的に別の個体である。
図2は、本開示の一実施形態に係る保険料算出方法の概要を説明する図である。
図2に示すように、本実施形態に係る保険料算出方法は、ユーザが飼育する愛玩動物の基礎情報、及び腸内細菌叢の多様性データを取得するステップS1と、愛玩動物の腸内細菌叢の多様性データと保険リスクとの相関関係を設定するステップS2と、前記ユーザが飼育する愛玩動物の多様性データ及び前記相関関係に基づいて、ユーザが飼育する愛玩動物の保険リスクを計算するステップS3と、を順に備える。
[参考例1]
(犬の選定)
保険契約期間内(1年)に腸内細菌叢の多様性指数を糞便試料から測定した約11万個体について、同期間内の保険金請求から保険リスクを調査した。糞便試料採取前の傷病有無は考慮していないため、試料採取前から傷病を患っている個体も含まれる。
以下のようにして、各犬から糞便試料を採取し、DNAを抽出した。
犬の飼育者が糞便の採取キットを用いて、犬の糞便試料を採取した。当該糞便試料を受領し、固定液(10%EtOH、1.07%NH4Cl、5mM EDTA、0.09%NaN3)に懸濁した。
次に、糞便懸濁液200 uLとLysis buffer(224 ug/mLのProtenaseKを含む)810 uLをビーズチューブに添加し、ビーズ式ホモジナイザーにてビーズ破砕(6,000 rpm、破砕20秒、インターバル30秒、破砕20秒)を行った。その後、検体を70℃のヒートブロック上にて10分間静置することでProtenase Kによる処理を行い、続いて95℃のヒートブロック上にて5分間静置することでProtenase Kを不活化した。溶菌処理を行った検体はchemagic 360(PerkinElmer)を用い、chemagicキットstool用プロトコルにてDNAの自動抽出を行い、100 uLのDNA抽出液を得た。
メタ16Sシーケンス解析はillumina 16S Metagenomic Sequencing Library Preparation(バージョン15044223 B)を改変して行った。まず、16S rRNA遺伝子の可変領域V3-V4を含む460 bpの領域をユニバーサルプライマー(Illumina_16S_341FおよびIllumina_16S_805RPCR)を用いたPCRで増幅した。PCR反応液は10 uLのDNA抽出液、0.05 uLの各プライマー(100 uM)、12.5 uLの2x KAPA HiFi Hot-Start ReadyMix(F. Hoffmann-La Roche、Switzerland)、2.4 uLのPCR grade waterを混合して調製した。PCRには95℃ 3分間の熱変性後、95℃ 30秒、55℃ 30秒、72℃ 30秒のサイクルを30回繰り返し、最後に72℃ 5分の伸長反応を行った。増幅産物は磁気ビーズを用いて精製し、50 uLのBuffer EB(QIAGEN、Germany)で溶出した。精製後の増幅産物はNextera XT Index Kit v2(illumina、CA、US)を用いてPCRを行い、インデックスを付加した。PCR反応液は2.5 uLの増幅産物、2.5 uLの各プライマー、12.5 uLの2x KAPA HiFi Hot-Start ReadyMix、5 uLのPCR grade waterを混合して調製した。PCRには95℃ 3分間の熱変性後、95℃ 30秒、55℃ 30秒、72℃ 30秒のサイクルを12回繰り返し、最後に72℃ 5分の伸長反応を行った。インデックス付加を行った増幅産物は磁気ビーズを用いて精製し、80-105 uLのBuffer EBで溶出した。各増幅産物の濃度はNanoPhotometer(Implen、CA、US)で測定し、1.4 nMに調製した後、等量ずつ混合し、これをシーケンス用ライブラリーとした。シーケンス用ライブラリーのDNA濃度および増幅産物のサイズを電気泳動にて確認し、これをMiSeqにより解析した。解析にはMiSeq Reagent Kit V3を用い、2×300 bpのペアエンドシーケンスを行った。得られた配列はQIIME2という解析ソフトウェアにて解析し、細菌の組成データを得た。
上記で用いたユニバーサルプライマーの配列は以下のとおりである。このユニバーサルプライマーは市販されているものを購入することができる。
Illumina_16S_341F
5′-TCGTCGGCAGCGTCAGATGTGTATAAGAGACAGCCTACGGGNGGCWGCAG- 3’
llumina_16S_805R
5′-GTCTCGTGGGCTCGGAGATGTGTATAAGAGACAGGACTACHVGGGTATCTAATCC- 3’
上記全犬種について、保険期間内に保険金支払請求があったか否かを調査した。上記の通り、糞便試料採取前の傷病有無は考慮していないため、試料採取前から傷病を患っている個体も含まれる。
上記の実験で得られた多様性データと保険リスクとの相関関係を図4、図6~13に示す。縦軸は保険リスク、横軸は多様性指数である。
図5は、図4(犬の品種限定なし、0-3歳)の相関分析の結果であり、多様性データと保険リスクの間には相関関係が成立することがわかる。
相関係数:-0.97(負の相関)
近似式:y = -0.2078x + 1.8795、
決定係数:R2 = 0.9438
図14は、0歳~7歳の全犬種(136033個体)についての多様性データと保険リスクとの相関関係図である。この結果から、0歳以上、3歳以下だけでなく、4歳以上においても多様性データと保険リスクの間には相関関係があることがわかる。
また、図15は、多様性指数をシャノン指数ではなくASV指数に変更した図である(105677個体)。多様性指数を変更しても多様性データと保険リスクの間には相関関係が成立することがわかる。
さらに、図16は、0歳以上、3歳以下の全猫種(36312個体)についての多様性データと保険リスクとの相関関係図である。犬だけでなく、他の愛玩動物でも多様性データと保険リスクの間には相関関係が成立することがわかる。なお、猫の多様性については、実施例3、4において詳細に説明を行う。
先ず、犬種限定の無い0-3歳の平均医療費は年間100,000円であり、50%補償の年間70,000円(内手数料・運営費等が20,000円)の動物保険商品が存在すると仮定する。ここで、年齢2歳、多様性データ4.3の柴犬Aに保険料を提示するシミュレーションする。
先ず、年齢と品種から「柴・0-3歳」の相関関係を設定する(図10)。ここで、柴犬Aは、多様性データが4.3であるから、保険リスクは約0.9と計算される。したがって、柴犬Aの医療費は90,000円と予測される。ここで50%補償の保険商品であるから、45,000円に手数料・運営費等が20,000円を加えて65,000円が提示される。
本発明者らの研究の結果、市販のドライフードを1種類のみ食べていたポメラニアンと、ドライフードを2種類併用して食べていたポメラニアンを比較すると、後者は多様性指数(シャノン指数)が約0.2上昇することがわかった(4.2→4.4)。すなわち、1種類のドライフードのみを食べていたポメラニアンが、2種類のドライフードを併用して食べ始めたという情報を加えることで、多様性指数が0.2程度上昇し、将来的な保険リスクが0.1程度低下することを予想できる(図13)。前記シミュレーションに当てはめると、ユーザに対して医療費が10,000円、保険料が5,000円程度低下することを提示することができる。
(猫の選定)
保険契約期間内(1年)に腸内細菌叢の多様性指数を糞便試料から測定した約11万個体について、同期間内の保険金請求から保険リスクを調査した。糞便試料採取前の傷病有無は考慮していなため、試料採取前から傷病を患っている個体も含まれる。
犬と同様の方法で、0歳以上、3歳以下の全猫種について、腸内細菌叢の組成データを得て、QIIME2を用いて多様性指数(シャノン指数)の測定を行った。なお、外れ値を除外したためシャノン指数は36312個体を有効個体数とした。
上記全猫種について、保険期間内に保険金支払請求があったか否かを調査した。上記の通り、糞便試料採取前の傷病有無は考慮していないため、試料採取前から傷病を患っている個体も含まれる。
上記の実験で得られた多様性データと保険リスクとの相関関係を図16に示す。縦軸は保険リスク、横軸は多様性指数である。
図17は、図16(猫の品種限定なし、0-3歳)の相関分析の結果であり、多様性データと保険リスクの間には相関関係が成立することがわかる。
相関係数:-0.93(負の相関)
近似式:y = -0.1862x + 2.0147、
決定係数:R2 = 0.8712
先ず、猫種限定の無い0-3歳の平均医療費は年間100,000円であり、50%補償の年間70,000円(内手数料・運営費等が20,000円)の動物保険商品が存在すると仮定する。ここで、年齢2歳、多様性データ5.8のスコティッシュ・フォールドAに保険料を提示するシミュレーションする。
先ず、年齢と品種から「スコティッシュ・フォールド・0-3歳」の相関関係を設定する(図20)。ここで、スコティッシュ・フォールドAは、多様性データが5.8であるから、保険リスクは約0.8と計算される。したがって、スコティッシュ・フォールドAの医療費は80,000円と予測される。ここで50%補償の保険商品であるから、40,000円に手数料・運営費等が20,000円を加えて60,000円が提示される。
本発明者らの研究の結果、フードを1種類のみ食べていた犬と、フードを2種類以上併用して食べていた犬を比較すると、後者は多様性指数(シャノン指数)が上昇することがわかった(図23)。猫についても同様の結果が得られた(図24)。すなわち、1種類のフードを食べていた愛玩動物が、2種類以上併用して食べ始めたという情報を加えることで、食べ始めたフードの種類数に応じて、多様性指数が上昇し、将来的な保険リスクが低下することを予想できる。すなわち、ユーザに対して、複数のフードを食べさせることで医療費がいくら下がるのかを提示できる。なお、本発明において、フードの銘柄や加工方法(ドライフードなのかフレッシュフードなのか)の情報については考慮していない。一般に市販されているペットフードは、総合栄養食であるものがほとんどであり、フードの銘柄や加工方法が多様性指数に与える影響は、フードの種類数が多様性指数に与える影響と比較すると、小さいためである。
フードを1種類のみ食べていた犬と、フードを3種類併用して食べていた犬を比較すると、後者は多様性指数(シャノン指数)が約0.025程度上昇する(図23)。1種類のフードを食べていた実施例1の柴犬Aが、3種類併用して食べ始めたという情報を加えることで、柴犬Aの多様性が4.3から4.325まで上昇することが考えられ、「柴・0-3歳」の相関関係(図10)を参照することで、保険リスクが約0.9から約0.89に低下すると予測できる。したがって、前記シミュレーションにあてはめると、ユーザに対して医療費が1000円程度低下するという予測を提示できる。
本発明者らの研究の結果、市販のドライフードを1種類のみ食べている猫と、ドライフードを3種類食べている猫を比較すると、後者は多様性指数(シャノン指数)が約0.03上昇する(図24)。すなわち、1種類のドライフードのみを食べていたスコティッシュ・フォールドAが、3種類併用して食べ始めたという情報を加えることで、スコティッシュ・フォールドAの多様性が5.8から5.83まで上昇することが考えられ、「スコティッシュ・フォールド・0-3歳」の相関関係(図20)を参照することで、保険リスクが0.8から0.79に低下すると予測できる。したがって、前記シミュレーションにあてはめると、ユーザに対して医療費が1000円程度低下するという予測を提示できる。
次に、本発明の美容レベル推定システムについて説明する。美容レベル推定システムは、前記の保険料算出システムと共に、総合健康度推定システムを構築する構成要素となり得るものである。総合健康度推定システムを構築する際に、美容レベル推定システムと保険料算出システムは、それぞれ別のシステムを用意してもよいし、同一システム上に、美容レベル推定と保険料算出という2つの機能を持たせてもよい。
取得部については、前記の保険料算出システムで用いたものと同様である。
計算部は、愛玩動物の腸内細菌叢の多様性データと、愛玩動物の腸内細菌叢の多様性データと美容レベルの相関関係とに基づいて、ユーザが飼育する愛玩動物の美容レベルを計算する。計算部は、例えば、CPUなどの演算装置から構成され、腸内細菌叢の多様性データと美容レベルの相関関係に係る数式、関数、テーブル又はソフトウェアを用いて処理、演算、計算を行う。
多様性データとは、動物の腸内細菌叢の細菌の多様性に関連するデータであり、測定方法を含め、前記の保険料算出システムで用いたものと同様である。
サーバ又は記憶部は、愛玩動物の腸内細菌叢の多様性データと保険リスクとの相関関係を設定する設定部を備えていてもよい。ここでの相関関係とは、多様性データがどの程度であれば、美容レベルがどの程度であるか、という対応関係を示す情報である。相関関係は、多様性データを入力として美容レベルを出力とするモデル(関数)として捉えられてもよい。例えば、複数の愛玩動物の多様性データと、当該愛玩動物の美容に関する情報(例えば毛艶)とを統計的に処理することで、相関関係を設定する。なお、相関関係の設定に用いられた愛玩動物と、美容レベルの計算対象となるユーザが飼育する愛玩動物とは、原則的に別の個体である。
図25は、本開示の一実施形態に係る美容レベル推定システムの概要を説明する図である。図25に示すように、本実施形態に係る美容レベル推定システムは、サーバ4とユーザ端末5とを含む。サーバ4及び端末5は、ネットワークを介して接続される。サーバ4は、処理演算部(CPU)40と、記憶部50と、インターフェイス部60とを含む。なお、本発明におけるユーザには、愛玩動物の飼い主の他、代理人、ブリーダー等を含む。愛玩動物としては、犬、猫、ウサギ、鳥が挙げられるが、犬、猫が好ましい。
また、設定部51は、愛玩動物の腸内細菌叢の多様性データと美容レベルとの相関関係を設定する。上記のように予め相関関係に関する数式や関数などを記憶していてもよく、新たに相関関係に基づいて数式や関数を設定するという構成でもよい。
さらに、取得部61は、腸内細菌叢の多様性データ、好ましくは、さらにユーザが飼育する愛玩動物の基礎情報を取得し、出力部62は、計算部41が算出した美容レベル等をユーザに送付する。
図26は、本開示の一実施形態に係る美容レベル推定方法の概要を説明する図である。図26に示すように、本実施形態に係る美容レベル推定方法は、ユーザが飼育する愛玩動物の基礎情報、及び腸内細菌叢の多様性データを取得するステップS11と、愛玩動物の腸内細菌叢の多様性データと美容レベルとの相関関係を設定するステップS12と、前記ユーザが飼育する愛玩動物の多様性データ及び前記相関関係に基づいて、ユーザが飼育する愛玩動物の美容レベルを計算するステップS13と、を順に備える。
本発明の美容レベル推定システムは、学習済みモデルを採用したものであってもよい。すなわち、本発明の他の実施形態に係る美容レベル推定システムは、ユーザが飼育する愛玩動物の腸内細菌叢の多様性データを取得する取得部と、学習済みモデルを用いて、前記取得部が取得した腸内細菌の多様性データからその愛玩動物の美容レベルを計算する計算部と、を備える美容レベル推定システムであって、前記学習済みモデルが、愛玩動物の腸内細菌叢の多様性データと、該愛玩動物の美容レベルとの関係を学習した学習済みモデルであることを特徴とするものである。
さらに本発明は、前記美容レベルと保険リスクとに基づいて総合健康度を算出する総合健康度推定システムを提供する。ここで、総合健康度に関する指標は、ユーザが適宜設定することができる。例えば、美容レベルは未病(病気ではないが健康でもない状態)かどうかを判断する指標である一方で、保険リスクは顕在化している疾病を反映する指標であるから、それぞれのウェイトを調整してから足し合わせるといった仕様でも良い。具体的には、保険リスクから、美容レベルに0.1を乗じた数値を引いた値を総合健康度の指数といった仕様である。
本発明の美容レベル推定方法は、愛玩動物の腸内細菌叢の多様性データを取得するステップと、コンピュータが、前記多様性データと、愛玩動物の腸内細菌叢の多様性データと美容レベルの相関関係とに基づいて、ユーザが飼育する愛玩動物の美容レベルを計算するステップと、を順に備えるものである。さらに、ユーザが飼育する愛玩動物の基礎情報を取得するステップを備えることが好ましく、前記愛玩動物の基礎情報が、少なくとも品種及び年齢である事が好ましい。
また、本発明の美容レベル推定方法は、前記ユーザが飼育する愛玩動物の多様性データと、愛玩動物の腸内細菌の多様性データと美容レベルの相関関係とに基づいて、ユーザが飼育する愛玩動物の美容レベルを計算するステップにおいて導き出された美容レベルを、ユーザが飼育する愛玩動物が食べるフードの情報に基づいて修正するステップを更に備える事が好ましい。多様性データ、美容レベル、相関関係については、上記の美容レベル推定システムと同様である。
[参考例5]
[多様性データに基づく美容レベルの計算]
以下、図27を参照しながら、多様性データに基づく美容レベルの計算方法の例について説明する。図27~図29は、本発明者らがデータを収集し、プロットした腸内細菌叢の多様性データと美容レベルとの相関関係を示すグラフ図である。
図27は、品種限定のない1-7歳の犬(134813頭)について、美容レベルの一種である毛艶レベルと多様性指数の相関関係を示したものであり、縦軸は毛艶レベル、横軸は多様性指数(シャノン指数)である。図27に記載の通り、多様性に関するデータと毛艶レベルに相関関係が存在することがわかる。
なお、本発明では、標準体重と毛艶を組合わせた指標を設定してもよい。
Claims (12)
- ユーザが飼育する愛玩動物の腸内細菌叢の多様性データを取得する取得部と、
前記腸内細菌叢の多様性データと、愛玩動物の腸内細菌叢の多様性データと美容レベルの相関関係とに基づいて、ユーザが飼育する愛玩動物の美容レベルを計算する計算部と、
を備える美容レベル推定システム。 - 前記取得部が、さらに、ユーザが飼育する愛玩動物の基礎情報を取得するものである請求項1記載の美容レベル推定システム。
- 前記美容レベルが、毛艶に関するレベル又は体形に関するレベルである請求項1又は2記載の美容レベル推定システム。
- 前記愛玩動物の腸内細菌叢の多様性データが、シャノン指数である請求項1記載の美容レベル推定システム。
- 前記計算部が、愛玩動物の基礎情報を元に算出された美容レベルを、前記愛玩動物の腸内細菌叢の多様性データを用いて導き出される美容変動因子に応じて修正することによって、美容レベルを算出するものである請求項2記載の美容レベル推定システム。
- 愛玩動物の基礎情報が、少なくとも品種及び年齢である請求項2記載の美容レベル推定システム。
- ユーザが飼育する愛玩動物の腸内細菌叢の多様性データを取得する取得部と、学習済みモデルを用いて、前記取得部が取得した腸内細菌の多様性データからその愛玩動物の美容レベルを計算する計算部と、を備える美容レベル推定システムであって、
前記学習済みモデルが、愛玩動物の腸内細菌叢の多様性データと、該愛玩動物の美容レベルとの関係を学習した学習済みモデルであることを特徴とする美容レベル推定システム。 - ユーザが飼育する愛玩動物の腸内細菌叢の多様性データを取得する取得部と、
前記腸内細菌叢の多様性データと、愛玩動物の腸内細菌叢の多様性データと美容レベルとの相関関係とに基づいて、ユーザが飼育する愛玩動物の美容レベルを計算する計算部と、
前記腸内細菌叢の多様性データと、愛玩動物の腸内細菌叢の多様性データと保険リスクとの相関関係とに基づいて、ユーザが飼育する愛玩動物の保険リスクを計算するリスク計算部と、
美容レベルと保険リスクに基づいて、健康度を計算する健康度計算部と、
を備える総合健康度推定システム。 - 愛玩動物の腸内細菌叢の多様性データを取得するステップと、
コンピュータが、前記多様性データと、愛玩動物の腸内細菌叢の多様性データと美容レベルの相関関係とに基づいて、ユーザが飼育する愛玩動物の美容レベルを計算するステップと、
を順に備える美容レベル推定方法。 - さらに、ユーザが飼育する愛玩動物の基礎情報を取得するステップを備える請求項9記載の美容レベル推定方法。
- 前記愛玩動物の基礎情報が、少なくとも品種及び年齢である請求項10記載の美容レベル推定方法。
- 前記ユーザが飼育する愛玩動物の多様性データと、愛玩動物の腸内細菌の多様性データと美容レベルの相関関係とに基づいて、ユーザが飼育する愛玩動物の美容レベルを計算するステップにおいて導き出された美容レベルを、ユーザが飼育する愛玩動物が食べるフードの情報に基づいて修正するステップを更に備える請求項10又は11に記載の美容レベル推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2023/027236 WO2024024795A1 (ja) | 2022-07-29 | 2023-07-25 | 保険料算出システム、美容レベル推定システム、及び総合健康度推定システム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022121710 | 2022-07-29 | ||
JP2022121710 | 2022-07-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7326574B1 true JP7326574B1 (ja) | 2023-08-15 |
JP2024018856A JP2024018856A (ja) | 2024-02-08 |
Family
ID=87563223
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022176765A Active JP7437479B2 (ja) | 2022-07-29 | 2022-11-02 | 保険料算出システム、保険料算出方法及び負担予測方法 |
JP2022190464A Active JP7326574B1 (ja) | 2022-07-29 | 2022-11-29 | 美容レベル推定システム、美容レベル推定方法、及び総合健康度推定システム及び総合健康度推定方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022176765A Active JP7437479B2 (ja) | 2022-07-29 | 2022-11-02 | 保険料算出システム、保険料算出方法及び負担予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7437479B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013065110A (ja) | 2011-09-15 | 2013-04-11 | Omron Corp | 検出装置、該検出装置を備えた表示制御装置および撮影制御装置、物体検出方法、制御プログラム、ならびに、記録媒体 |
WO2019220939A1 (ja) | 2018-05-15 | 2019-11-21 | 富士フイルム株式会社 | 検体検査管理装置、検体検査管理システム、検体検査管理方法、及びプログラム |
CN113180004A (zh) | 2021-05-12 | 2021-07-30 | 福建省农业科学院畜牧兽医研究所 | 一种适用于福建白兔幼兔的限制饲养方法 |
JP2022135180A (ja) | 2021-03-04 | 2022-09-15 | アニコム ホールディングス株式会社 | 疾患予測システム、保険料算出システム及び疾患予測方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2019415009A1 (en) | 2018-12-27 | 2021-05-27 | Societe Des Produits Nestle Sa | Compositions and methods for diagnosing and treating degenerative mitral valve disease in a canine |
JP7299143B2 (ja) | 2019-11-25 | 2023-06-27 | 富士フイルム株式会社 | 動物用健康リスク評価システム及び動物用健康リスク評価方法 |
JP2021177344A (ja) | 2020-05-08 | 2021-11-11 | 株式会社Rabo | ペット保険加入支援システム |
-
2022
- 2022-11-02 JP JP2022176765A patent/JP7437479B2/ja active Active
- 2022-11-29 JP JP2022190464A patent/JP7326574B1/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013065110A (ja) | 2011-09-15 | 2013-04-11 | Omron Corp | 検出装置、該検出装置を備えた表示制御装置および撮影制御装置、物体検出方法、制御プログラム、ならびに、記録媒体 |
WO2019220939A1 (ja) | 2018-05-15 | 2019-11-21 | 富士フイルム株式会社 | 検体検査管理装置、検体検査管理システム、検体検査管理方法、及びプログラム |
JP2022135180A (ja) | 2021-03-04 | 2022-09-15 | アニコム ホールディングス株式会社 | 疾患予測システム、保険料算出システム及び疾患予測方法 |
CN113180004A (zh) | 2021-05-12 | 2021-07-30 | 福建省农业科学院畜牧兽医研究所 | 一种适用于福建白兔幼兔的限制饲养方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7437479B2 (ja) | 2024-02-22 |
JP2024018856A (ja) | 2024-02-08 |
JP2024018846A (ja) | 2024-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5543688B2 (ja) | ゲノムベースのダイエットデザイン | |
Heringstad et al. | Genetic analysis of longitudinal trajectory of clinical mastitis in first-lactation Norwegian cattle | |
San Juan et al. | Captivity reduces diversity and shifts composition of the Brown Kiwi microbiome | |
US20220165389A1 (en) | Personalized meal diet and exercise providing method using integrated health information and service system | |
Dawson et al. | A survey of animal welfare experts and practicing veterinarians to identify and explore key factors thought to influence canine and feline welfare in relation to veterinary care | |
Morton | Humane endpoints in animal experimentation for biomedical research: ethical, legal and practical aspects | |
WO2022186223A1 (ja) | 疾患予測システム、保険料算出システム及び疾患予測方法 | |
AU2018334252A1 (en) | Microorganism-related significance index metrics | |
CN109475305A (zh) | 用于微生物药物基因组学的方法和系统 | |
CN108699586A (zh) | 用于表征与口相关病症的方法和系统 | |
Eusebi et al. | Gene expression profiles underlying aggressive behavior in the prefrontal cortex of cattle | |
WO2022226526A1 (en) | Oral swab-based test for the detection of dental disease states in domestic cats, dogs and other mammals | |
JP7326574B1 (ja) | 美容レベル推定システム、美容レベル推定方法、及び総合健康度推定システム及び総合健康度推定方法 | |
WO2023276476A1 (ja) | 疾患罹患予測システム、保険料算出システム、疾患罹患予測方法及び保険料算出方法 | |
WO2024024795A1 (ja) | 保険料算出システム、美容レベル推定システム、及び総合健康度推定システム | |
EP3881336A1 (en) | Method or system for diagnosing periodontal disease | |
WO2022163824A1 (ja) | 肥満の予測方法 | |
JP2021508488A (ja) | データの解釈、ならびにユーザの遺伝的データ及び腸内マイクロバイオータの組成に関するデータに基づいてユーザに推奨事項を提供するシステム及び方法 | |
JP7199486B1 (ja) | 予測装置、予測システム及び予測方法 | |
JP2023006875A (ja) | 死亡予測システム及び死亡予測方法 | |
WO2021049510A1 (ja) | 情報処理システムおよびプログラム | |
US20230048974A1 (en) | Systems and methods for improving livestock health and performance | |
CN116802317A (zh) | 肥胖的预测方法 | |
JP2024004404A (ja) | フード提案システム及びフード提案方法 | |
KR20240033008A (ko) | 집고양이의 다양한 질병 상태를 감지하기 위한 구강 면봉-기반 검사 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230526 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230526 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230704 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230802 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7326574 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |